Chance-constrained OPF: A Distributed Method with Confidentiality Preservation
随着风电在电力系统中所占比例的增加，机会约束最优潮流（CC-OPF）计算作为一种在保证安全水平的前提下考虑风电不确定性的方法得到了推广。与区域电网内的局部CC-OPF相比，多区域互联电网的全局CC-OPF能够跨区域协调，从而在整合高比例的风力发电时提高经济性。然而，在这一全球性问题中，多个区域独立系统运营商（ISO）参与决策过程，这就需要采取分散但协调的方法。最值得注意的是，由于法规限制、商业利益和数据安全，区域ISO可能会拒绝与他人共享机密信息，包括发电成本、负荷数据、系统拓扑和线路参数。但是，需要这些信息来构建和解决跨越多个区域的全球CC-OPF。为了解决这些问题，本文提出了一种分布式的CC-OPF方法与保密性保护，使区域ISO确定最佳的可调度的发电机在其区域内，而不会泄露机密数据。该方法不需要参数调整，并且不会受到收敛性的挑战。IEEE算例结果表明，该方法具有较高的精度。
2022-02-28 cs.SY eess.SY
Stochastic Security Constrained AC Optimal Power Flow Using General Polynomial Chaos Expansion
Commonwealth Scientific and Industrial Research Organisation（联邦科学与工业研究组织）；Powerlink；The University of Queensland（昆士兰大学）
针对可再生能源并网带来的电网不确定性刻画难题，提出带机会约束的随机安全约束交流最优潮流模型，采用通用多项式混沌展开建模非高斯不确定性，经案例验证可高保真捕捉不确定性、发现更多不安全故障场景。
2025-10-03 cs.SY eess.SY
Accelerating Chance-constrained SCED via Scenario Compression
本文针对基于场景的机会约束SCED问题，提出凸包压缩（获等价解）和带风险验证的盒压缩方法，决策者可按需选择风险度量，算例验证了方法在建模与求解上的效率。
2024-08-17 cs.SY eess.SY
Scheduling HVAC loads to promote renewable generation integration with a learning-based joint chance-constrained approach
通过灵活调度供热、通风和空调（HVAC）负荷等资源，可以有效促进分布式可再生能源发电（DRG）在配电网中的集成。然而，找到最佳的调度，他们是不平凡的，因为DRG输出是高度不确定的。为了解决这个问题，本文提出了一种基于学习的联合机会约束的方法来协调HVAC负荷与DRG。与采用单个机会约束来管理不确定性的前沿工作不同，本文采用联合机会约束（JCC）来控制所有关键约束的违反概率。这种联合方式可以根据运营商的偏好明确地保证整个系统的运行安全。为了克服JCC的棘手性，我们首先证明了JCC可以安全地近似鲁棒约束与适当的不确定性集。一个著名的机器学习算法，单类支持向量聚类，然后引入到这些强大的约束，构建一个足够小的多面体不确定性集。在强对偶的基础上，进一步构造了一个线性鲁棒对偶，以保证计算效率。基于各种分布不确定性的数值结果证实了所提出的方法的最优性和可行性的优势。
2022-09-30 cs.SY eess.SY math.OC
Improving operational flexibility of integrated energy system with uncertain renewable generations considering thermal inertia of buildings
传统的热电联产机组冬季采暖期“热定”运行方式导致系统运行灵活性不足，是制约可再生能源消费的关键问题。为了提高系统运行的灵活性，减少可再生能源的弃用，提出了一种基于机会约束规划（CCP）的以发电成本最小为目标的小规模综合能源系统（IES）优化调度模型。在该模型中，考虑到包括风力发电机组和光伏发电机组在内的可再生能源发电的不确定性，以机会约束的形式提供概率旋转备用;从用户体验的角度出发，建立考虑建筑热舒适性和惯性的热负荷模型。为了解决该模型，基于序列操作理论（SOT）的解决方案的基础上，原来的CCP为基础的调度模型处理成一个可解的混合整数线性规划（MILP）制定通过转换的机会约束到其确定性等价类，从而通过CPLEX求解器求解。在改进的IEEE 30节点系统上的仿真结果表明，该方法通过综合利用建筑物和各种辅助设备的热惯性，提高了可再生能源发电量不确定情况下IES的运行灵活性，为促进可再生能源消费提供了一条根本途径。
2020-01-25 cs.SY eess.SY math.OC
Domain-Aware Machine Learning for Accelerating MILP-Based Motion Planning with Temporal Logic and Chance Constraints
University of Southern California（南加州大学）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）；ETH Zürich（苏黎世联邦理工学院）
本文提出利用神经符号方法加速MILP运动规划，通过机器学习指导求解器的符号搜索，提升处理时间逻辑、随机约束等复杂规划问题的效率和可扩展性。
2026-07-30 cs.SY eess.SY
Separated Proportional-Integral Lagrangian for Chance Constrained Reinforcement Learning
Tsinghua University（清华大学）
安全对于强化学习（RL）应用于自动驾驶等现实任务至关重要。机会约束保证了状态约束以高概率满足，适合于表示现实世界中具有不确定性的需求。现有的机会约束RL方法，如惩罚方法和拉格朗日方法，要么表现出周期振荡或不能满足的约束。在本文中，我们提出了一个分离的比例积分拉格朗日（SPIL）算法来解决这些缺点。从控制的角度来看，我们首先将惩罚方法和拉格朗日方法分别解释为比例反馈和积分反馈控制。然后，提出了一种比例积分拉格朗日方法，以稳定学习过程，同时提高安全性。为了防止积分超调和减少保守性，我们引入了积分分离技术的启发PID控制。最后，利用机会约束的解析梯度进行基于模型的策略优化。SPIL的有效性证明了一个狭窄的跟车任务。实验表明，与以往的方法相比，SPIL提高了性能，同时保证安全性，具有稳定的学习过程。
2021-02-17 cs.AI cs.LG cs.SY
Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian Processes
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
交流（AC）机会约束最优潮流（CC-OPF）问题解决了发电量不确定情况下发电和输电的经济性。后者是现代电网所固有的，因为可再生能源的数量很高。尽管其学术上的成功，AC CC-OPF问题是高度非线性和计算要求，这限制了它的实际影响。为了改善AC-OPF问题的复杂性/精度权衡，本文提出了一种快速的数据驱动设置，使用稀疏和混合高斯过程（GP）框架来建模的潮流方程与输入的不确定性。我们提倡的效率，所提出的方法的数值研究多个IEEE测试用例显示高达两倍的速度和更准确的解决方案相比，国家的最先进的方法。
2022-08-30 cs.LG cs.SY eess.SY
Chance Constrained Optimal Power Flow with Curtailment and Reserves from Wind Power Plants
ETH Zurich（苏黎世联邦理工学院）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文提出基于加权机会约束的优化调度框架，用于整合风力发电的新型控制方式，评估其在运营成本、系统安全性和弃风方面的有效性。
2016-01-17 cs.SY eess.SY math.OC
Chance Constrained Economic Dispatch Considering the Capability of Network Flexibility Against Renewable Uncertainties
本文提出将连续型网络灵活性纳入机会约束经济调度，通过联合优化发电功率与线路电纳，并设计交替迭代求解器，在保证安全的前提下显著提升系统运行经济性。
2024-02-25 cs.SY eess.SY math.OC
Coordinated Frequency-Constrained Stochastic Economic Dispatch for Integrated Transmission and Distribution System via Distributed Optimization
针对可再生能源接入导致的网络与频率安全问题，本文提出输配电一体化系统的协调频率约束随机经济调度模型，并基于交替方向乘子算法设计双层分布式优化框架求解，实现了TPS与ADN的双向功率与频率支持，有效提升了系统安全性和经济性。
2023-05-19 cs.SY eess.SY
Active Support of Inverters for Improving Short-Term Voltage Security in 100% IBRsPenetrated Power Systems
针对100% IBRs渗透率电力系统短路故障下电压支撑不足、IBR易脱网的问题，提出基于同步电机暂态特性模拟的控制方案、差异化FRT策略及参数优化模型，可有效提升短期电压安全。
2024-02-02 cs.SY eess.SY
Energy-Workload Coupled Migration Optimization Strategy for Virtual Power Plants with Data Centers Considering Fuzzy Chance Constraints
针对含数据中心的虚拟电厂，提出能量-负载耦合迁移优化策略，构建博弈耦合框架，基于模糊集理论处理负载数据稀疏性，改进Shapley值分配收益，仿真验证其提升需求响应曲线跟踪精度并降低成本的效果。
2025-11-07 cs.GT cs.SY eess.SY
Security-Constrained Operation of IBR-Dominated Power Systems: Static and Dynamic Security Across Preventive and Corrective Decisions
针对IBR主导电力系统的安全约束运行，提出涵盖静态/动态安全、预防/校正决策的二维框架，综述相关研究并发现IBR能力可优化运行，为后续研究指明方向。
2026-08-14 cs.SY eess.SY
A Review of Critical Infrastructure Protection Approaches: Improving Security through Responsiveness to the Dynamic Modelling Landscape
University College London（伦敦大学学院）；University of Kent（肯特大学）；Critical Insights Security Ltd（Critical Insights Security有限公司）；Cybersecurity Centre, WMG, University of Warwick（华威大学WMG网络安全中心）
本文综述了关键基础设施保护方法，探讨了如何通过动态建模来应对复杂 interconnected CNI 元素的行为，并分析了现有方法在不同领域中的适用性及局限性。
2019-04-02 cs.CR cs.NI cs.SY
Computing Essential Sets for Convex and Non-convex Scenario Problems: Theory and Application
情景法是一种通用的数据驱动的机会约束优化算法。它寻求最佳的解决方案，是可行的一个精心挑选的一些情况。场景方法中的一个关键步骤是计算基本集的基数，基本集是确定最优解的场景的最小子集。本文讨论了有效地识别基本集的挑战。对于凸问题，我们证明了场景问题的稀疏对偶解可以精确地找到本质集。对于非凸问题，我们证明了两个简单的算法返回的基本集时，场景问题是非退化的。最后，本文给出了电力系统中安全约束机组组合的理论结果和计算算法。特别是，在IEEE 118节点系统中进行了机会约束SCUC的案例研究。数值结果表明，情景方法可能是一个有吸引力的解决方案，以实际电力系统的应用。
2020-10-13 cs.SY eess.SY math.OC
Optimal Security Parameter for Encrypted Control Systems Against Eavesdropper and Malicious Server
在以前的研究中，已经引入了样本识别复杂度和样本解密时间，以捕获对手的系统辨识的估计误差和计算时间。这些量在定义加密控制系统的安全性和设计安全参数方面起着至关重要的作用。本研究提出一个最佳的安全参数下的加密控制系统的网络窃听者和恶意控制器服务器谁试图识别系统参数，使用最小二乘法。安全参数设计是基于对传统同态加密的改进来实现的，以提高样本解密时间和新的样本识别复杂度，其特征在于可控性Gramians和识别输入与系统噪声的方差比。通过数值仿真证明了所提出的安全参数设计方法的有效性。
2023-03-23 cs.CR cs.SY eess.SY
Distributionally Robust Frequency Constrained Scheduling for an Integrated Electricity-Gas System
电力系统从传统的大容量发电转向可再生能源发电。这一趋势导致了系统惯性下降带来的频率安全问题。另一方面，天然气发电机组由于其快速调整能力而经常被安排以提供操作灵活性。因此，电力和天然气系统之间的相互依赖性得到加强。本文从电力燃气一体化系统的角度研究了风电功率变化下的频率约束调度问题。提出了一种分布式鲁棒机会约束最优化模型，对风电场系统的机组组合和虚拟惯量供应进行协同优化。该模型综合考虑了频率约束和天然气系统运行约束，通过设计DR联合机会约束来解决风电功率的不确定性。证明了该模型是一个混合整数二阶锥规划。案例研究表明，所提出的方法可以提供一个高度可靠和计算有效解，并显示将NGS操作约束的频率约束调度问题的重要性。
2021-09-29 cs.SY eess.SY math.OC
On the Design of Artificial Noise for Physical Layer Security in Visible Light Communication Channels with Clipping
虽然可见光通信（VLC）系统被包含在给定的房间中，但提高其安全性是任何实际部署的重要标准。在本文中，在没有明确幅度约束的输入信号（例如，多载波系统）。在这样的系统中，需要限幅以将输入信号约束在LED的有限线性范围内。然而，该限幅过程引起非线性限幅失真，其必须被并入AN设计中。为了便于解决这个问题，一个次优设计方法，提出了使用的Charnes-Cooper变换和凹凸过程（CCP）。然后，提出了一种新的AN传输方案，以减少削波失真的影响，从而提高保密性能。所提出的方案利用了LED灯具的共同结构，即它们通常由多个发光芯片组成。利用这一特性，每个灯具中的LED芯片被分成两组，由单独的驱动器电路驱动。一个组用于发送信息承载信号，而另一个组发送AN。数值结果表明，剪切失真显著降低了保密级别，使用AN比无AN方案在提高保密性能方面更有优势。此外，所提出的AN传输方案与传统的传输方法（例如，当LED的调制电流的标准偏差为0.25 A并且窃听者的接收信号的信号与干扰加噪声比被限制为$0$ dB时，在可实现的保密率方面大约1比特/秒/赫兹的改进）。
2023-02-22 cs.IT cs.SY eess.SY
